Arbitrary-Oriented Ship Detection Based on Rotation Region Locating Networks in Large Scale Remote

Arbitrary-Oriented Ship Detection Based on Rotation Region Locating Networks in Large Scale Remote Sensing Images

论文地址：https://sci-hub.se/10.1109/ICIVC47709.2019.8981006

论文发表2019 IEEE 4th International Conference on Image, Vision and Computing

声明一下这不是很好的会议，CCF C类都不是，只是EI核心索引，但是我是初学者，还是花了一些时间简单读了一下这篇文章。读完总归有收获，遂写这篇博客记录一下。

摘要与总结

这篇文章提出了基于旋转定位网络的遥感图像旋转舰船检测算法，整体算法流程如下：

这里描述一下，首先作者将高分辨率的遥感图像通过裁剪形成很多个图像块，裁剪图像块时需要一定的冗余进行裁剪以免把可能存在的目标分成多部分。

然后作者根据OTSU掩码算法抑制去除大部分的背景图像块；

然后将可能存在舰船目标的图像块送入ResNet50通过CFPN模块提取多尺度特征图；

多尺度特征图进入RPN进行分类和回归，这里的分类负责分类前景和背景，因为目标只有舰船，是个二分类问题，这里的回归负责回归4个变量的水平框；

这里有一点是RPN部分不通过NMS进行去重，而是通过分类置信度得分进行排名提取。

在RPN阶段如果图像块中有anchor被分类成前景，那么这个图像块送入RRLN模块提取ROI align固定尺度的特征，进行进一步的5个变量的旋转包围框的回归；

最后图形块的结果综合到每张遥感图像中得到最终的检测结果；

主要有一下几个创新点：

第一：改进了特征金字塔网络，提出CFPN，这个很容易创新，常规trick，不算是很新颖的思路

第二，提出旋转定位网络RRLN

首先在RPN生成水平锚框，然后在RRLN中生成多方向的旋转包围框，进行精细化的回归。

第三，在图像块输入网络前，首先判断一下图像是不是背景，进行无船抑制去除冗余图像块，这里也是调用的别人的算法OTSU

第四，作者提出了个遥感舰船检测数据集，但是没有公开，这个trick很弱

实验部分

我认为作者最大的贡献其实是用自己的数据集复现很多经典的算法，在这里作者将自己的CFPN-RRLN算法与baseline算法Faster RCNN，RRPN，R2CNN算法进行比较，分析了R，P，F值。

最后作者也验证了无船抑制算法的有效性